論文の概要: Integrating SAM Supervision for 3D Weakly Supervised Point Cloud Segmentation

• arxiv url: http://arxiv.org/abs/2508.19909v1
• Date: Wed, 27 Aug 2025 14:13:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.660469
• Title: Integrating SAM Supervision for 3D Weakly Supervised Point Cloud Segmentation
• Title（参考訳）: 3次元弱監視点雲分割のためのSAMスーパービジョンの統合
• Authors: Lechun You, Zhonghua Wu, Weide Liu, Xulei Yang, Jun Cheng, Wei Zhou, Bharadwaj Veeravalli, Guosheng Lin,
• Abstract要約: 3Dセマンティックセグメンテーションの現在の手法では、大きな、不規則な、秩序のない3Dポイントクラウドデータの注釈付けの難しさに対処するため、限定アノテーション付きトレーニングモデルが提案されている。 本稿では,2次元基礎モデルから生成したセグメンテーションマスクを組み込んだ,疎可な3次元アノテーションの有用性を最大化する手法を提案する。
• 参考スコア（独自算出の注目度）: 66.65719382619538
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current methods for 3D semantic segmentation propose training models with limited annotations to address the difficulty of annotating large, irregular, and unordered 3D point cloud data. They usually focus on the 3D domain only, without leveraging the complementary nature of 2D and 3D data. Besides, some methods extend original labels or generate pseudo labels to guide the training, but they often fail to fully use these labels or address the noise within them. Meanwhile, the emergence of comprehensive and adaptable foundation models has offered effective solutions for segmenting 2D data. Leveraging this advancement, we present a novel approach that maximizes the utility of sparsely available 3D annotations by incorporating segmentation masks generated by 2D foundation models. We further propagate the 2D segmentation masks into the 3D space by establishing geometric correspondences between 3D scenes and 2D views. We extend the highly sparse annotations to encompass the areas delineated by 3D masks, thereby substantially augmenting the pool of available labels. Furthermore, we apply confidence- and uncertainty-based consistency regularization on augmentations of the 3D point cloud and select the reliable pseudo labels, which are further spread on the 3D masks to generate more labels. This innovative strategy bridges the gap between limited 3D annotations and the powerful capabilities of 2D foundation models, ultimately improving the performance of 3D weakly supervised segmentation.
• Abstract（参考訳）: 3Dセマンティックセグメンテーションの現在の手法では、大きな、不規則な、秩序のない3Dポイントクラウドデータの注釈付けの難しさに対処するため、限定アノテーション付きトレーニングモデルが提案されている。 通常、彼らは2Dと3Dデータの相補的な性質を活用することなく、3Dドメインのみに焦点を当てる。 さらに、オリジナルラベルを拡張したり、擬似ラベルを生成してトレーニングを指導する手法もあるが、これらのラベルを完全に使用したり、内部のノイズに対処するのに失敗することが多い。 一方、包括的で適応可能な基礎モデルの出現は、2次元データのセグメンテーションに効果的な解決策を提供してきた。 この進歩を生かして,2次元基礎モデルにより生成されたセグメンテーションマスクを組み込むことにより,疎可な3Dアノテーションの有用性を最大化する新しいアプローチを提案する。 さらに,3次元シーンと2次元ビューの幾何学的対応を確立することで,2次元分割マスクを3次元空間に伝播させる。 我々は,3次元マスクで区切られた領域を包含するために,高度にスパースなアノテーションを拡張し,利用可能なラベルのプールを大幅に拡大する。 さらに, 信頼性と不確実性に基づく整合性規則化を3次元点雲の増大に適用し, 信頼性の高い擬似ラベルを選択することにより, さらに多くのラベルを生成する。 この革新的な戦略は、限られた3Dアノテーションと2D基礎モデルの強力な能力のギャップを埋め、最終的には3Dの弱教師付きセグメンテーションの性能を向上させる。

関連論文リスト

• 3D Can Be Explored In 2D: Pseudo-Label Generation for LiDAR Point Clouds Using Sensor-Intensity-Based 2D Semantic Segmentation [3.192308005611312]
  そこで我々は,3次元セマンティックセマンティックセマンティクスパイプラインを導入し,アライメントシーンと最先端2次元セマンティクス手法を利用した。 本手法は,センサ強度で色付けされたLiDARスキャンから2次元ビューを生成し,これらのビューに2次元セマンティックセマンティックセグメンテーションを適用した。 分割された2D出力は3Dポイントにバックプロジェクターされ、単純な投票ベースの推定器が使用される。
  論文  参考訳（メタデータ） (2025-05-06T08:31:32Z)
• DatasetNeRF: Efficient 3D-aware Data Factory with Generative Radiance Fields [68.94868475824575]
  本稿では,無限で高品質な3Dアノテーションを3Dポイントクラウドセグメンテーションとともに生成できる新しいアプローチを提案する。 我々は3次元生成モデルに先立って強力なセマンティクスを活用してセマンティクスデコーダを訓練する。 トレーニングが完了すると、デコーダは遅延空間を効率よく一般化し、無限のデータの生成を可能にする。
  論文  参考訳（メタデータ） (2023-11-18T21:58:28Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• 3D Guided Weakly Supervised Semantic Segmentation [27.269847900950943]
  本稿では,スパース境界ボックスラベルを利用可能な3次元情報に組み込むことにより,弱教師付き2次元セマンティックセマンティックセマンティックセマンティクスモデルを提案する。 手動で2D-3Dセマンティックス(2D-3D-S)データセットのサブセットにバウンディングボックスをラベル付けし、2D-3D推論モジュールを導入し、正確なピクセルワイドセグメント提案マスクを生成する。
  論文  参考訳（メタデータ） (2020-12-01T03:34:15Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation [81.02742110604161]
  大規模運転シーンのLiDARセグメンテーションのための最先端の手法は、しばしば点雲を2次元空間に投影し、2D畳み込みによって処理する。 そこで我々は,3次元幾何学的パタンを探索するために,円筒分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。 提案手法はセマンティックKITTIのリーダーボードにおいて第1位を獲得し,既存のnuScenesの手法を約4%のマージンで上回っている。
  論文  参考訳（メタデータ） (2020-11-19T18:53:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。